Suscripciones
En este episodio hablamos con el co-fundador y CEO de MonkeyLearn, una empresa de Latinoamérica con productos de Machine Learning. En la entrevista cubrimos aspectos del background de Raúl y cómo llegó a fundar MonkeyLearn así como también bastante información sobre Machine Learning y la industria.
Background de Raúl Garreta
Raúl desde chico es programador y especialmente interesado en Inteligencia Artificial y lo que se puede lograr con esto. Estudió Ingeniería Informática en la Universidad de la República en Uruguay y su interés en AI lo llevó a aprender sobre Machine Learning sobre lo que hizo su tesis. Bastante antes de AlphaGO su tesis ya estaba utilizando redes neuronales para generar un jugador de Go, claro que con menos librerías existentes en su momento!
Trabajó en la industria de videojuegos y también dio clases de ML y NLP en la universidad. A pesar de que inició su carrera pensando que iba a ser un académico, la vida lo fue llevando hacia la industria. Luego comenzó la empresa TryoLabs dedicada a desarrollar aplicaciones para internet usando ML, NLP y AI sobre todo con clientes de Estados Unidos. En 2013 escribió un libro de Machine Learning y Python y fundó la empresa MonkeyLearn.
Que es MonkeyLearn?
MonkeyLearn es una solución SaaS que permite a desarrolladores y científicos de datos subir datos, crear modelos ML, entrenarlos y luego consumir estos modelos a través de una API en casi cualquier lenguaje de programación.
Desde sus inicios la visión de la empresa es hacer ML sencillo. Esto nació como una solución a sus propios problemas en TryoLabs donde querían resolver el crear rápidamente y de forma más sencilla modelos ML y cada vez que tenían que hacerlo era empezar nuevamente de cero. En los inicios se enfocaron en NLP (que las computadoras entendieran lenguaje escrito) generando clasificadores y extractores.
Actualmente la empresa ha crecido a 8 personas, tiene clientes en Estados Unidos y en la región y luego de haber participado de la conocida incubadora 500 Startups en San Francisco, están buscando una nueva ronda de capital para crecer el negocio y escalarlo al próximo nivel. En la entrevista tocamos con Raúl los temas de financiación en etapas tempranas, lanzamiento de la empresa en TechCrunch y el soft-landing en Estados Unidos.
Como es la industria de soluciones de Machine Learning?
Esta es una industria con mucha expectativa de crecimiento y en la que se encuentran distintos tipos de jugadores agrupados de la siguiente manera: Para empresas que tienen expertos en Machine Learning. En estos casos existen plataformas open source tales como Scikit-learn, TensorFlow, y Torch entre otras, así como también soluciones de AWS, Azure o DataBricks en lo que es conocido como Platform as a Service.
Cuando en las empresas hay desarrolladores que no son necesariamente expertos en ML existen soluciones de NLP genéricas que se utilizan a través de API tales como Alchemy o Indico. Estas son librerías genéricas que presentan algunas dificultades a la hora de entrenarlas.
En este segundo grupo es donde opera MonkeyLearn que con una comunidad creciente permite que los developers puedan generar modelos ML y también facilita el trabajo de prototipado a los científicos de datos.
Filosofía sobre cómo llegamos a donde estamos hoy en Machine Learning
Hablamos un poco acerca del hype alrededor de las redes neuronales. Existe algo de exageración pero también es cierto que se están logrando resultados importantes. Según Raúl lo que se viene dando para que actualmente cualquier empresa tenga que considerar Machine learning es:
- Data. Gracias a Internet cada vez hay más datos disponibles y utilizables por las empresas.
- Hardware. Aquí hubo mucho avance. Hoy existe hardware bastante especializado que permite entrenar estos modelos mucho más rápido.
- Algoritmos. Tanto academia como industria están generando mucho conocimiento utilizable.